L-fuzzy权算子与L-fuzzy拓扑算子

设X是集合,L是Hutton代数,FT(X,L)是X上的L-fuzzy拓扑算子的全体,FW(X,L)是X上的L-fuzzy权算子的全体.文[1]给出了权与模糊化拓扑的一一对应.文章给出了从FW(X,L)到FT(X,L)的一一对应12,证明了可以在FT(X,L)、FW(X,L)睿义适当的序关系,使得12是完备格同构.

双权变指标Herz-Morrey空间上的双线性Calderón-Zygmund算子的交换子

利用Muckenhoupt权的性质、有界平均振荡函数的性质和Hardy-Littlewood极大算子在变指标Lebesgue空间上的有界性,本文得到了双线性Calderón-Zygmund算子和BMO函数生成的交换子在双权变指标Herz-Morrey空间乘积上的有界性.

向量值次线性算子的交换子在变指数Herz-Morrey空间上的加权估计

利用变指数A(p(·))权理论及广义BMO范数性质,我们证明了一类向量值次线性算子的交换子在加权变指数Herz-Morrey空间MK^(α)(·)λ_(q)(·)ω上的有界性,其中α(·),p(·)和q(·)均为变指数.

加指数权Lebesgue空间超齐次核积分算子搭配参数最佳的充要条件

引入超齐次函数概念,将齐次核、拟齐次核和若干非齐次核统一为超齐次核。利用权系数方法,讨论了加指数权Lebesgue空间超齐次核积分算子的有界性与算子范数问题,得到了有界算子搭配参数最佳的充分必要条件,解决了算子范数的计算问题,并给出了一些应用特例。

单边算子的多线性交换子在Triebel-Lizorkin空间上的加权有界性

该文在单边意义下采用权的外推法研究了Calderón-Zygmund奇异积分算子,离散面积函数,Weyl分数次积分与Lipschitz函数生成的多线性交换子从加权Lebesgue空间到加权Triebel-Lizorkin空间上的有界性.

基于博弈论组合赋权-云模型的消防员训练损伤风险评估

为降低消防员训练损伤发生率,从个人因素、环境因素和组织管理因素3个方面,提出包含19个指标的消防员训练损伤风险评估指标体系;采用Bonferroni有序加权平均算子(BON-OWA算子)修正层次分析法(AHP)的误差,获得各指标的主观权重;引用基于指标相关性的权重确定法(CRITIC)确定各指标的客观权重;基于博弈论组合赋权法确定各指标的组合权重;引入云模型理论,建立消防员训练损伤风险评估模型,并以河南省某消防救援大队消防员的训练为例,验证该模型的科学性。结果表明:训练装备的战技性能状况指标对消防员的训练损伤风险等级影响最大;该风险评估模型通过数据处理,可以确定消防员训练损伤风险等级;案例中,消防员在5种不同情景下的训练损伤风险等级均为一般风险,这与模糊综合评价法所得结果一致。

L-fuzzy权与L-fuzzy邻域算子

设X是集合,L是Hutton代数,FW(X,L)是X上的L-fuzzy的权的全体,FN(X,L)是X上的L-fuzzy领域算子的全体,文中给出了从FW(X,L)到FN(X,L)的一一对应12.

中国数智供应链发展评价研究--基于CRITIC-G1法和Bonferroni算子

基于对数智供应链内涵的界定,从数字化、智能化和供应链发展水平三方面构建数智供应链评价指标体系,采用CRITIC-G1法和Bonferroni算子对省际数智供应链发展水平进行评价与排序。选取部分文献对数字经济、数字物流、智能化和高质量发展的评价结果与本文结论进行对比分析,以验证本方法的合理性。

基于博弈论组合赋权云物元模型的城市道路交通系统风险评价

为保障城市道路交通系统安全运行,降低城市交通事故发生概率,提出了一种基于博弈论组合赋权云物元城市道路交通系统风险评价模型。从城市道路交通系统风险因素出发,结合《城市道路交通管理评价指标体系》,选取实习期驾驶员比例等15个风险评价指标,构建“人-车-道-环”评价指标体系。基于云物元模型,解决评价指标中存在模糊性与随机性的问题,同时采用博弈论将C-OWA有序加权算子处理的专家打分值和改进熵权法求出的权重进行组合优化,围绕待评物元与风险等级之间的隶属度,计算得出风险等级。将该模型应用于中国西部某城市A道路交通系统,展开风险评价,同时将该模型的评价结果与C-OWA云物元模型和熵权云物元模型的评价结果进行对比。结果表明:该模型得出城市A道路交通系统中各指标风险评价结果与实地走访调研结果及实际情况基本一致,且博弈论组合赋权云物元城市道路交通系统风险评价模型更加具有实用性和有效性,可为城市道路交通系统风险评价提供新思路。

Gauss-Weierstrass算子线性组合在Orlicz空间的加Jacobi权逼近

Gauss-Weierstrass算子是逼近论中非常重要的逼近工具,也是调和分析研究的主要内容。在实际应用中,利用Gauss-Weierstrass算子可以实现图像的低通滤波,从而达到图像平滑的效果。国内外学者主要研究了Gauss-Weierstrass算子在L_(p)空间,Besov空间中的讨论。关于Gauss-Weierstrass算子线性组合在Orlicz空间的讨论是一个难题,研究成果较少。本文主要研究了加Jacobi权Gauss-Weierstrass算子的线性组合,利用Holder不等式,Jensen不等式,Hardy-Littlewood极大函数,K-泛函推导出该算子线性组合的Jacobi权函数在Orlicz空间中的逼近定理.

Korenblum型空间上的广义Stević-Sharma算子

文章利用Korenblum型空间的典型函数构造了一类全新的插值函数,证明了Korenblum型空间之间的广义Stević-Sharma算子有界(紧致)当且仅当各加权微分复合算子有界(紧致),并利用这一有界性(紧致性)特征,得到了Korenblum型空间和Stević空间之间的广义Stević-Sharma算子的有界性(紧致性)特征,推广了已有的结论。

L-fuzzy的邻域算子、内部算子以及闭包算子之间的相互确定

设X是集合,L是Hutton代数,FT(X,L)、FN(X,L)、FI(X,L)和FC(X,L)分别表示X上的L-fuzzy拓扑的全体、L-fuzzy邻域算子的全体、L-fuzzy内部算子的全体以及L-fuzzy闭包算子的全体.给出从FI(X,L)到FN(X,L)和FC(X,L)的一一对应φ32和φ34以及从FN(X,L)到FC(X,L)的一一对应φ24,并且证明了可以在FT(X,L)、FN(X,L)、FI(X,L)以及FC(X,L)上定义适当的序关系,使得上述每个映射都是完备格同构.

L-Fuzzy保序算子空间的ω-分离性

在L-fuzzy保序算子空间中引进了ω-分离性等概念,系统地讨论了这些概念的性质,得出它们保持了L-fuzzy拓扑空间中的Ti分离性的主要结论,进而说明ω-分离性是R. Lowen的推广.

基于熵权-IOWGA算子的变权组合预测新方法

针对熵权法组合权重分配固定不变的问题,提出一种基于IOWGA算子的权重分配方法,建立基于熵权-IOWGA算子的变权组合模型。该方法以各单一模型的预测精度作为诱导值,按每一期诱导值的大小对单一模型进行有序赋权,并将其应用到变形数据分析中。实验表明,该方法赋权过程合理,模型预测精度更高,更加适用于变形分析预测过程。

Beta算子加权逼近的点态结果

引入一种改变的带权K-泛函,利用带权光滑模和带权主部光滑模的关系及带权光滑模与改变的带权K-泛函的等价性,讨论了Beta算子的点态带Jacobi权逼近正定理及等价定理.

L-fuzzy保序算子空间的ω-Lindelf可数性

在L-fuzzy保序算子空间中引入一种新的ωLindelf可数性概念.系统地讨论了ωLindelf可数性的基本性质以及与第二ω可数空间之间的关系.得到ωLindelf可数性是ω闭遗传的,是弱拓扑不变的,第二ω可数空间是ωLindelf空间等结论.

有序加权集结算子的赋权方法

对有序加权集结算子中的 2个最重要算子 (有序加权平均算子和有序加权几何平均算子 )的赋权方法进行了研究 .利用已知的样本数据以及专家事先对每个样本所给定的偏好集结值 ,给出了部分权重信息下求解这 2种算子的加权向量的线性目标规划模型 ,通过算例对模型进行了说明 .

带变异算子的非线性惯性权重PSO算法

为了克服粒子群优化算法容易陷入局部最优、早熟收敛的缺点,提出了一种带有变异算子的非线性惯性权重粒子群优化算法。该算法以粒子群算法为基础,首先采用非线性递减策略对惯性权重进行调整,平衡粒子群优化算法的全局和局部搜索能力。当出现早熟收敛时,再引入变异算子,对群体粒子的最优解做随机扰动提高算法跳出局部极值的能力。用三种经典测试函数进行测试,试验结果表明,改进算法与粒子群算法相比,能够摆脱局部最优,得到全局最优解,同时具有较高的收敛精度和较快的收敛速度。

L-fuzzy保序算子空间上的Moore-Smith收敛理论

在L fuzzy保序算子空间上引入分子网和理想的ω 极限点和ω 聚点等概念 ,系统地讨论这些概念的基本性质以及它们之间的关系 .同时 ,利用分子网和理想的ω 收敛性概念 ,给出ω 闭集以及序同态的(ω1,ω2 ) 连续性的若干特征定理 .较为完整地建立L fuzzy保序算子空间上的Moore Smith收敛理论 .

不同权Bloch型空间之间的加权Cesáro算子

该文讨论了α-Bloch空间β_α和对数Bloch空间β_L之间的加权Cesáro算子T_g的有界性和紧性,给出T_g是β_α到β_L的有界算子或紧算子的充要条件和T_g是β_L到β_α的有界算子或紧算子的充要条件.